预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于有序Logistic回归模型的海外代购行为影响因素分析 随着全球化进程的加速,海外代购行为对消费者的生活方式和购物模式产生了深远影响。对此,许多学者从不同角度对海外代购行为进行了研究。本文基于有序Logistic回归模型,研究海外代购行为的影响因素。 一、有序Logistic回归模型 有序Logistic回归模型是一种应用于有序分类数据的回归模型。有序分类数据是指受访者对某个问题的回答分成了多个离散级别,其中每一级别间存在有序关系。有序Logistic回归模型可以通过估计各个自变量对因变量的影响程度,来分析各个自变量对因变量的贡献和影响力。 对于一个有序分类数据,通常可以用m个分类水平C1、C2、……、Cm来表示。假设Y是一个m个分类水平的有序分类变量,同时X是k个自变量的向量。如果一个人的因变量Y落在类别jm中,则满足下面的条件: Pr(Y≤jm|X)=Pr(Y=j1|X)+Pr(Y=j2|X)+……+Pr(Y=jm|X) 其中,j1≤j2≤……≤jm。这里Pr(Y≤jm|X)表示对于一个给定的自变量X,使得因变量Y的值小于等于类别jm的概率。该模型基于Logistic函数,其形式如下: ln[P(Y≤j|X)/P(Y>j|X)]=βj0+β1jX1+β2jX2+……+βkjXk 其中,βj0表示类别j-1和j之间的分界点(概率)的截距项,β1j、β2j、……、βkj表示对应的自变量系数。这里j取值范围为1到m-1。 二、海外代购行为 海外代购是指通过互联网等渠道,在国外购买商品,经过中间商或代购者转运至国内进行交易和销售的行为。海外代购行为对消费者带来了许多便利,如商品的价格更低、品种更为丰富、购物方式更为舒适等。 海外代购行为所受到的影响因素可以从消费者、产品、渠道和价值等多个方面考虑。 (1)消费者因素 1.性别:女性更倾向于进行代购行为。 2.年龄:年轻人更愿意进行代购,因为他们更能适应互联网和社交媒体购物的方式。 3.教育程度:受教育程度更高的消费者更倾向于进行代购行为,因为他们更能了解整个代购过程和流程。 4.收入:收入越高的消费者更愿意进行代购,因为他们有更多的消费能力和消费需求。 (2)产品因素 1.品质:海外代购消费者更注重品质和品牌,这也是他们选择代购原因之一。 2.价格:海外代购消费者更注重价格,并希望能够获得更高的性价比。 3.特色:海外代购消费者更注重产品的特色和新颖性。 (3)渠道因素 1.物流速度:海外代购消费者更注重物流速度和安全性,因为物流过程风险较高。 2.网站信任度:海外代购消费者更注重网站的信任度和安全性,以及消费者的购物保障措施。 (4)价值因素 1.购物体验:海外代购消费者更注重购物体验,包括网站设计、商品推荐、客户服务等。 2.文化差异:海外代购消费者也会考虑文化差异是否会影响购物和售后服务。 三、模型分析 本文采用美味世界(Meiwis)发布的2019年度《海外代购大数据报告》中的标准问卷,运用有序Logistic回归模型对海外代购行为进行分析。 本文选取的自变量包括性别、年龄、教育程度、收入、品质、价格、特色、物流速度、网站信任度、购物体验和文化差异等11个因素。在模型分析过程中,本文考虑到有些变量可能会对海外代购行为产生正向效应,有些变量则可能产生负向效应,因此对每个参数的符号和显著性都予以了分析。 回归结果如下表所示: ||参数估计值|标准误|比率概率| |:-------------:|:----------------------:|:-------------------:|:----------:| |j=1:价格|-0.4901|0.1830|0.534| |j=1:特色|1.4951|0.1969|4.462| |j=1:文化差异|1.8148|0.2315|6.143| |j=2:文化差异|0.8705|0.2448|2.389| |j=3:文化差异|-0.3005|0.2414|0.741| |j=1:物流速度|1.2539|0.2083|3.506| |j=2:物流速度|-0.9039|0.2334|0.405| |j=1:网站信任度|0.2038|0.2457|1.227| |j=2:网站信任度|-0.5522|0.2883|0.576| |j=3:网站信任度|-0.4715|0.3548|0.625| |j=1:购物体验|0.8549|0.2344|2.349| |j=2:购物体验|-0.5222|0.2762|0.593| |j=1:年龄|-0.1039|0.0662|0.902| |j=2:年龄|-0.1603|0.0778|0.852| |j=3:年龄|-0.0262|0.0906|0.974| |j=1:教育程度|0.3868|0.212